多传感器融合目标识别关键技术研究

论文摘要

现代战场环境日益复杂恶劣,传感器所获得数据不精确、不完整、不可靠。多传感器信息融合可以综合利用多传感器信息,通过相互之间的关联和互补,克服单个传感器的不确定性和局限性,提高整个系统技术性能,全面准确地描述被测对象。由于毫米波与红外性能互补,毫米波与红外传感器系统是常用的多传感器融合系统。本文在分析多传感器信息融合基本理论的基础上,针对毫米波与红外传感器融合系统的目标识别部分,主要研究了特征层与决策层的融合目标识别关键技术。特征层融合识别模型包括目标特征提取、特征的关联及融合、分类识别等几个过程。本文在研究典型特征层融合识别方法的基础上,提出了一种基于KFDA（KernelFisherDiscriminantAnalysis）的毫米波与红外融合识别方法,由毫米波与红外传感器提取的不同特征构造联合向量,然后用KFDA方法提取非线性特征,最后用改进的k近邻分类器识别目标。使用实测数据进行实验证明了该方法的有效性。对于决策层的融合目标识别,本文提出了一种基于自适应灰关联分析与D-S理论结合的决策层融合新算法。首先对单个传感器计算灰关联度作为基本概率赋值,再用D-S理论进行融合得到识别结果。其中灰关联度计算中,提出了使用熵值分析法自适应确定不同特征属性的权值,提高了系统性能。通过实验验证了方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文主要研究内容
• 第二章 多传感器信息融合基本理论
• 2.1 信息融合基本原理
• 2.1.1 基本原理
• 2.1.2 信息融合的级别
• 2.2 多传感器信息融合系统的模型
• 2.2.1 信息融合系统的功能模型
• 2.2.2 信息融合系统的结构模型
• 2.3 多传感器融合目标识别算法
• 2.4 毫米波与红外融合目标识别
• 2.4.1 毫米波/红外融合系统的特点
• 2.4.2 毫米波/红外融合识别技术
• 2.5 小结
• 第三章 基于毫米波与红外的特征层融合识别方法
• 3.1 引言
• 3.2 毫米波、红外的特性分析与特征提取
• 3.2.1 毫米波特性分析
• 3.2.2 红外成像特性分析
• 3.2.3 用于目标识别的特征提取
• 3.3 典型的特征层融合识别方法
• 3.3.1 联合特征向量法
• 3.3.2 多分类器组合的特征层融合方法
• 3.4 一种新的基于KFDA的毫米波与红外融合方法
• 3.4.1 毫米波/红外特征融合
• 3.4.2 KFDA算法描述
• 3.4.3 改进的k近邻分类算法
• 3.4.4 仿真实验及结果分析
• 3.5 小结
• 第四章 基于毫米波与红外的决策层融合识别方法
• 4.1 引言
• 4.2 典型的决策层融合识别方法
• 4.3 一种新的基于灰关联分析与D-S 理论的融合方法
• 4.3.1 灰关联分析方法
• 4.3.2 熵值分析法自适应权值
• 4.3.3 D-S 理论融合算法
• 4.3.4 仿真实验及结果分析
• 4.4 小结
• 第五章 结束语
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果